MétaCan
Menu
Retour à la cohorte
Enregistrement W4388288191 · doi:10.9745/ghsp-d-23-00050

Improving Malaria Case Management and Referral Relationships at the Primary Care Level in Ghana: Evaluation of a Quality Assurance Internship

2023· article· en· W4388288191 sur OpenAlexaff
Amos Asiedu, Rachel A. Haws, Akosua Gyasi, Paul Boateng, Keziah Malm, Raphael Ntumy, Lolade Oseni, Gladys Tetteh

Notice bibliographique

RevueGlobal Health Science and Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensImpact
Organismes subventionnairesPresident's Malaria InitiativeUnited States Agency for International Development
Mots-clésReferralMedicineInternshipMentorshipMalariaFamily medicineWorkloadNursingMedical education

Résumé

récupéré en direct d'OpenAlex

In Ghana, Community-based Health Planning and Services (CHPS) compounds managed by trained nurses and midwives called community health officers (CHOs) play a major role in malaria service delivery. With heavy administrative burdens and minimal training in providing patient care, particularly for febrile illnesses, including malaria, CHOs struggle to comply with the World Health Organization’s test, treat, and track initiative guidelines and appropriate referral practices. A clinical training and mentorship program was implemented for CHOs to prevent and manage uncomplicated malaria and offer appropriate pre-referral treatment and referrals to district hospitals. Medical officers, pharmacists, midwives, health information officers, and medical laboratory scientists at 52 district referral hospitals were trained as mentors; CHOs from 520 poorly performing CHPS compounds underwent a 5-day internship at their assigned district referral hospital to improve knowledge and clinical skills for malaria case management. Three months later, mentors conducted post-training mentoring visits to assess knowledge and skill retention and provide ongoing on-the-job guidance. Significant percentage-point increases were observed immediately post-internship for history taking (+12.0, 95% confidence interval [CI]=8.3, 15.1; <i>P</i>&lt;.001); fever assessment (+24.9, 95% CI=20.9, 29.3; <i>P</i>&lt;.001); severe malaria assessment and referral (+32.0, 95% CI=28.2, 35.8; <i>P</i>&lt;.001); and knowledge assessment (+15.8, 95% CI=10.0, 21.3; <i>P</i>&lt;.001). Three months later, a third assessment revealed these gains were largely maintained. Analysis of national health management information system data showed statistically significant improvements in testing, treatment, and referral indicators at intervention CHPS compounds after the intervention that were not observed in comparison CHPS compounds. This training and mentorship approach offers a replicable model to build primary care provider competencies in malaria prevention and management and demonstrates how developing relationships between primary care and first-level referral facilities benefits both providers and clients. More methodologically rigorous studies are needed to measure the impact of this approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,229
Tête enseignante GPT0,471
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Health Science and PracticeMême sujetGlobal Maternal and Child HealthTravaux en français237 207